精华内容
下载资源
问答
  • 它可以在很多方面改变。您可以添加和删除元素,更改背景和前景颜色,以及设置动画。例如(从这个link):from __future__ import absolute_import, division, print_functionfrom mayavi import mlabimport numpy as ...

    它可以在很多方面改变。您可以添加和删除元素,更改背景和前景颜色,以及设置动画。例如(从这个link):from __future__ import absolute_import, division, print_function

    from mayavi import mlab

    import numpy as np

    import math

    alpha = np.linspace(0, 2*math.pi, 100)

    xs = np.cos(alpha)

    ys = np.sin(alpha)

    zs = np.zeros_like(xs)

    mlab.points3d(0,0,0)

    plt = mlab.points3d(xs[:1], ys[:1], zs[:1])

    @mlab.animate(delay=100)

    def anim():

    f = mlab.gcf()

    while True:

    for (x, y, z) in zip(xs, ys, zs):

    print('Updating scene...')

    plt.mlab_source.set(x=x, y=y, z=z)

    yield

    anim()

    mlab.show()

    ,将返回一个动画,其中有两个球体存在,其中一个球体的位置每一步都在更改:

    ba2ad3f64ff95dfca19f11df707058c6.png

    从我的观点来看,Mayavi文档并不十分出色,但是您可以从示例和章节中获得一些信息。例如remove an object from Mayavi pipeline。在

    展开全文
  • 1. plotly 介绍Plotly是一个非常著名且强大的开源数据可视化框架,它通过构建基于浏览器显示的web形式的可交互图表来展示信息,可创建多达数十种...为了解决这个问题,新型的动态可视化开源模块Plotly应运而生。 ...

    1. plotly 介绍

    Plotly是一个非常著名且强大的开源数据可视化框架,它通过构建基于浏览器显示的web形式的可交互图表来展示信息,可创建多达数十种精美的图表和地图, 下面我们以jupyter notebook为开发工具数据分析。Matplotlib存在不够美观、静态性、不易分享等缺点,限制了Python在数据可视化中的发展。为了解决这个问题,新型的动态可视化开源模块Plotly应运而生。 由于Plotly具有动态、美观、易用、种类丰富等特性。 可以说,plotly 在Python 绘制图表的时候,是一种顶层的绘制方式。

    我们首先通过plotly官方网站看看数据可视化效果图,这里截取了一部分的效果,发现真是无比强大,并且还支持数据/图片在线编辑

    2. plotly 两种方式绘制图表 Plotly是集成了在线通过菜单操作绘图与离线通过代码绘图多种绘图方式的绘图系统。如果使用在线方式,在使用plotly的时候,需要在官网注册一个个人账号,设置个人密码。 在线:将你的可视化图像保存到网站上,便于共享和保存。 离线:直接在本地生成可视化图像,便于使用。(推荐使用离线方式,方便查看和阅读) 下面主要从Python的角度来分析plotly的绘图原理及方法:3. plotly绘图 基本图表:20种 统计和海运方式图:12种 科学图表:21种 财务图表:2种 地图:8种 3D图表:19种 报告生成:4种 连接数据库:7种 拟合工具:3种 流动图表:4种 JavaScript添加自定义控件:13种

    4. 第一个Python 的plotly ,带你入门

    import matplotlib.pyplot as plt

    %matplotlib inline

    import plotly

    import plotly.graph_objs as go

    from plotly.offline import init_notebook_mode,iplot

    init_notebook_mode(connected=True)

    import warnings

    warnings.filterwarnings('ignore')

    import numpy as np

    import pandas as pd

    plotly.__version__

    接下来我们可以绘制一个plotly的程序,看看到底是什么效果

    x = [1,2,3,4]

    y = [10,15,13,17]

    trace0 = go.Scatter(

    x = x,

    y = y

    )

    print(trace0)

    data = [trace0]

    print(data)

    iplot(data)

    5. 可视化图表数据案例

    本案例使用的数据介绍: 泰坦尼克号数据、鸢尾花数据、航班数据、金融类数据。 通过这些实际数据分析,可以快速 让大家掌握plotly 在实际工作中是如何进行数据分析的。

    6. 金融数据 时序图案例

    通过可以通过时序图 每个时间点的变化,例如: 金融领域,可以通过该方法来了解一下股价 变了的趋势 统计金融数据每天股价的变化趋势进行分析

    data = [

    go.Scatter(

    x=finance['Date'],

    y=finance['AAPL.High'],

    name = 'AAPL.High'

    ),

    go.Scatter(

    x=finance['Date'],

    y=finance['AAPL.Low'],

    name = 'AAPL.Low'

    )

    ]

    layout = go.Layout(

    title = '金融股价的变化趋势'

    )

    fig = go.Figure(data = data,layout=layout)

    iplot(fig)

    我们来看看绘制的图形

    专注于使用Plotly 进行动态的数据分析,进一步的数据分析,如果大家有兴趣,可以参考一下内容学习:

    欢迎关注,一起交流讨论!

    Python 数据可视化库Plotly 主要知识点如下:

    针对使用Python plotly 绘制的部分图表如下:

    展开全文
  • Axure可视化动态数据图表元件库包含了Echats图表组件 ,Gallery图表组件、AntV G2图表组件、AntV G6图表组件、AntV F2图表组件、AntV L7图表组件 Axure 原型设计通用图表元件,... Echats&GL 可视化图形元件库.rplib
  • 日期:2012-4-7来源:GBin1.com 在线演示 本地下载 今天我们介绍一个超棒的创建快速动态互动HTML5可视化图形效果的...

    日期:2012-4-7  来源:GBin1.com

    分享一个快速开发动态互动HTML5可视化图形效果的.类库 - Envision.js

    在线演示  本地下载

    今天我们介绍一个超棒的创建快速动态互动HTML5可视化图形效果的javascript类库 - Envision.js,这个类库拥有俩个内建的图表类型:

    • 时间序列图表
    • 金融图形图表

    主要特性

    • 实时图形展示
    • 时间序列,支持缩放,内建互动操作
    • 金融类型图表,可定制
    • 支持AJAX
    • 自定义图形图表,例如,不规则碎片形
    • 支持现代浏览器,IE6+
    • 支持移动及其触摸设备
    • 拥有自定图形API
    • 兼容支持Flotr2
    • 可兼容其他
    • 基于Flotr2 HTML5画布

    如何使用

    引入如下类库和CSS文件:


    一个简单的例子:


     
       
          body {
            margin: 0px;
            padding: 0px;
          }
          #container {
            width : 600px;
            margin: 8px auto;
          }
       
       
     
     
       

        <!--[if IE]>
       
           
       
          (function () {

            var
              container = document.getElementById('container'),
              x = [],
              y1 = [],
              y2 = [],
              data, options, i;

            // Data Format:
            data = [
              [x, y1], // First Series
              [x, y2]  // Second Series
            ];

            // Sample the sine function for data
            for (i = 0; i < 4 * Math.PI; i += 0.05) {
              x.push(i);
              y1.push(Math.sin(i));
              y2.push(Math.sin(i + Math.PI));
            }
            x.push(4 * Math.PI)
            y1.push(Math.sin(4 * Math.PI));
            y2.push(Math.sin(4 * Math.PI));

            // TimeSeries Template Options
            ptions = {
              // Container to render inside of
              container : container,
              // Data for detail (top chart) and summary (bottom chart)
              data : {
                detail : data,
                summary : data
              }
            };

            // Create the TimeSeries
            new envision.templates.TimeSeries(options);

          })();
       
     

    API文档:http://www.humblesoftware.com/envision/documentation

    希望大家喜欢这个类库!

    来源:分享一个快速开发动态互动HTML5可视化图形效果的Javascript类库 - Envision.js

    来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/8288/viewspace-720832/,如需转载,请注明出处,否则将追究法律责任。

    转载于:http://blog.itpub.net/8288/viewspace-720832/

    展开全文
  • 选自TowardsDataScience作者:Costas Andreou机器之心编译参与:Jamin、张倩在读技术博客的过程中,我们会发现那些能够把知识、成果讲透的博主很多都会做动态图表。他们的图是怎么做的?难度大吗?这篇文章就介绍了 ...

    选自TowardsDataScience

    作者:Costas Andreou

    机器之心编译

    参与:Jamin、张倩

    在读技术博客的过程中,我们会发现那些能够把知识、成果讲透的博主很多都会做动态图表。他们的图是怎么做的?难度大吗?这篇文章就介绍了 Python 中一种简单的动态图表制作方法。

    看这优美的舞姿

    610e990ac20cdeaef391e676a75264c3.gif

    数据暴增的年代,数据科学家、分析师在被要求对数据有更深的理解与分析的同时,还需要将结果有效地传递给他人。如何让目标听众更直观地理解?当然是将数据可视化啊,而且最好是动态可视化。本文将以线型图、条形图和饼图为例,系统地讲解如何让你的数据图表动起来

    8edcd53fc338c209870edd2e564919d5.gif

    这些动态图表是用什么做的?接触过数据可视化的同学应该对 Python 里的 Matplotlib 库并不陌生。它是一个基于 Python 的开源数据绘图包,仅需几行代码就可以帮助开发者生成直方图、功率谱、条形图、散点图等。这个库里有个非常实用的扩展包——FuncAnimation,可以让我们的静态图表动起来。FuncAnimation 是 Matplotlib 库中 Animation 类的一部分,后续会展示多个示例。如果是首次接触,你可以将这个函数简单地理解为一个 While 循环,不停地在 “画布” 上重新绘制目标数据图。如何使用 FuncAnimation?这个过程始于以下两行代码:
    import matplotlib.animation as ani

    animator = ani.FuncAnimation(fig, chartfunc, interval = 100)
    从中我们可以看到 FuncAnimation 的几个输入:
    • fig 是用来 「绘制图表」的 figure 对象;

    • chartfunc 是一个以数字为输入的函数,其含义为时间序列上的时间;

    • interval 这个更好理解,是帧之间的间隔延迟,以毫秒为单位,默认值为 200。

    这是三个关键输入,当然还有更多可选输入,感兴趣的读者可查看原文档,这里不再赘述。下一步要做的就是将数据图表参数化,从而转换为一个函数,然后将该函数时间序列中的点作为输入,设置完成后就可以正式开始了。在开始之前依旧需要确认你是否对基本的数据可视化有所了解。也就是说,我们先要将数据进行可视化处理,再进行动态处理。按照以下代码进行基本调用。另外,这里将采用大型流行病的传播数据作为案例数据(包括每天的死亡人数)。
    import matplotlib.animation as ani
    import matplotlib.pyplot as plt
    import numpy as np
    import pandas as pdurl = 'https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_deaths_global.csv'
    df = pd.read_csv(url, delimiter=',', header='infer')df_interest = df.loc[
        df['Country/Region'].isin(['United Kingdom''US''Italy''Germany'])
        & df['Province/State'].isna()]df_interest.rename(
        index=lambda x: df_interest.at[x, 'Country/Region'], inplace=True)
    df1 = df_interest.transpose()df1 = df1.drop(['Province/State''Country/Region''Lat''Long'])
    df1 = df1.loc[(df1 != 0).any(1)]
    df1.index = pd.to_datetime(df1.index)
    绘制三种常见动态图表绘制动态线型图

    e39bce92f59171857c1bd19916ee79da.gif

    如下所示,首先需要做的第一件事是定义图的各项,这些基础项设定之后就会保持不变。它们包括:创建 figure 对象,x 标和 y 标,设置线条颜色和 figure 边距等:
    import numpy as np
    import matplotlib.pyplot as pltcolor = ['red''green''blue''orange']
    fig = plt.figure()
    plt.xticks(rotation=45, ha="right", rotation_mode="anchor"#rotate the x-axis values
    plt.subplots_adjust(bottom = 0.2, top = 0.9#ensuring the dates (on the x-axis) fit in the screen
    plt.ylabel('No of Deaths')
    plt.xlabel('Dates')
    接下来设置 curve 函数,进而使用 .FuncAnimation 让它动起来:
    def buildmebarchart(i=int):
        plt.legend(df1.columns)
        p = plt.plot(df1[:i].index, df1[:i].values) #note it only returns the dataset, up to the point i
        for i in range(0,4):
            p[i].set_color(color[i]) #set the colour of each curveimport matplotlib.animation as ani
    animator = ani.FuncAnimation(fig, buildmebarchart, interval = 100)
    plt.show()
    动态饼状图

    e2b7f6416b5428201cb3dfabfa9643aa.gif

    可以观察到,其代码结构看起来与线型图并无太大差异,但依旧有细小的差别。
    import numpy as np
    import matplotlib.pyplot as pltfig,ax = plt.subplots()
    explode=[0.01,0.01,0.01,0.01#pop out each slice from the piedef getmepie(i):
        def absolute_value(val): #turn % back to a number
            a  = np.round(val/100.*df1.head(i).max().sum(), 0)
            return int(a)
        ax.clear()
        plot = df1.head(i).max().plot.pie(y=df1.columns,autopct=absolute_value, label='',explode = explode, shadow = True)
        plot.set_title('Total Number of Deaths\n' + str(df1.index[min( i, len(df1.index)-1 )].strftime('%y-%m-%d')), fontsize=12)import matplotlib.animation as ani
    animator = ani.FuncAnimation(fig, getmepie, interval = 200)
    plt.show()
    主要区别在于,动态饼状图的代码每次循环都会返回一组数值,但在线型图中返回的是我们所在点之前的整个时间序列。返回时间序列通过 df1.head(i) 来实现,而. max()则保证了我们仅获得最新的数据,因为流行病导致死亡的总数只有两种变化:维持现有数量或持续上升。
    df1.head(i).max()
    动态条形图创建动态条形图的难度与上述两个案例并无太大差别。在这个案例中,作者定义了水平和垂直两种条形图,读者可以根据自己的实际需求来选择图表类型并定义变量栏。
    fig = plt.figure()
    bar = ''def buildmebarchart(i=int):
        iv = min(i, len(df1.index)-1) #the loop iterates an extra one time, which causes the dataframes to go out of bounds. This was the easiest (most lazy) way to solve this :)
        objects = df1.max().index
        y_pos = np.arange(len(objects))
        performance = df1.iloc[[iv]].values.tolist()[0]
        if bar == 'vertical':
            plt.bar(y_pos, performance, align='center', color=['red''green''blue''orange'])
            plt.xticks(y_pos, objects)
            plt.ylabel('Deaths')
            plt.xlabel('Countries')
            plt.title('Deaths per Country \n' + str(df1.index[iv].strftime('%y-%m-%d')))
        else:
            plt.barh(y_pos, performance, align='center', color=['red''green''blue''orange'])
            plt.yticks(y_pos, objects)
            plt.xlabel('Deaths')
            plt.ylabel('Countries')animator = ani.FuncAnimation(fig, buildmebarchart, interval=100)plt.show()
    在制作完成后,存储这些动态图就非常简单了,可直接使用以下代码:
    animator.save(r'C:\temp\myfirstAnimation.gif')
    感兴趣的读者如想获得详细信息可参考:https://matplotlib.org/3.1.1/api/animation_api.html。原文链接:https://towardsdatascience.com/learn-how-to-create-animated-graphs-in-python-fce780421afe

    c0de835b6a72028467cf72a8f2515f49.png

    推荐阅读

    太赞了!《Python 黑魔法指南》终于面世了

    超赞!100 道让你练习 Python 基础的题目

    三张图彻底搞懂 iptables 和 netfilter

    教你 10 分钟构建一套 RESTful API 服务

    Python 为什么推荐蛇形命名法?

    100 个网络基础知识,看完成半个网络高手

    学了这么久,你知道Python是如何运作的吗?

    长按下图  ➡   关注博主

    (按左边关注 Python, 按右边关注 Goalng)

    2ec493ec086b49aaf8f70007e22bcab3.png

    f8ec8559e507a8942ec197843b8f2092.png

    展开全文
  • Matplotlib可视化图形中文设置、自定义刻度以及多图显示 1、中文显示 事实上,matplotlib是支持unicode编码的,中文乱码的主要问题是没有找到合适的中文字体。 如果想要实现Matplotlib显示中文我们有三种方法...
  • 当然是将数据可视化啊,而且最好是动态可视化。本文将以线型图、条形图和饼图为例,系统地讲解如何让你的数据图表动起来。这些动态图表是用什么做的?接触过数据可视化的同学应该对 Python 里的 Matplotlib 库并不...
  • 选自TowardsDataScience作者:Costas Andreou机器之心编译参与:Jamin、张倩在读技术博客的过程中,我们会发现那些能够把知识、成果讲透的博主很多都会做动态图表。他们的图是怎么做的?难度大吗?这篇文章就介绍了 ...
  • 选自TowardsDataScience作者:Costas Andreou机器之心编译参与:Jamin、张倩在读技术博客的过程中,我们会发现那些能够把知识、成果讲透的博主很多都会做动态图表。他们的图是怎么做的?难度大吗?这篇文章就介绍了 ...
  •  其实制作可视化图表是比较简单的,完全可以通过工具实现,下面小编给大家介绍几个制作可视化图表的工具,分别是:表格截图、Axure图形绘制、Axure网页框架和Axure第三方元件。 一、使用Axure图形绘制可视化图表 ...
  • 今天我们介绍一个超棒的创建快速动态互动HTML5可视化图形效果的javascript类库 - Envision.js ,这个类库拥有俩个内建的图表类型: 时间序列图表 金融图形图表 主要特性 实时图形展示 时间序列,...
  • 原文刊在这里,公众号:数与图 不同图表的实现-R语言...在你真正做图之前,试着想一想,你想通过可视化来传达或研究什么结论和关系。根据目的去选择不同的图表类型(很可能就是如下类型的一种或多种) 相关 ...
  • VectorDraw Developer Framework (VDF)控件为您的应用程序增加动态的2D/3D图形。是一个可轻松创建爱你和管理及打印2D和3D图形的构件。 其对象可显示与大多数公共矢量格式和...
  • Matplotlib数据可视化基础制作提供...Python有很多附加库可以用来制作静态或动态可视化文件。matplotlib是一个用于生成出版级质量图表(通常是二维的)的桌面绘图包。matplotlib和IPython社区合作简化了IPython she...
  • 笔者在此给出了详细教程,与大家分享~~后台开发中避免不了实现一些可视化的图表,主要制作的方法有四种:Excel表格截图、Axure图形绘制、Axure网页框架和Axure第三方图表元件。第三个“Axure网页框架”需要结合antv...
  • Leland Wilkinson所沉淀的The Grammar of Graphics (简称GG)代表着一种可视化语句风格,对可视化领域有着深远的影响。Hadley Wickham编写的ggplot2 在R语言中声名远扬,使得统计数据可视化能力成为R语言的一大优势...
  • Pyecharts 是一个用于生成 Echarts 图表的类库,由 Python 实现接口,其追根溯源可以到百度曾开源的一个数据可视化 JS 库Echarts 。与我们平常用的 Matplotlib 不同,Echarts 图表不仅美观靓丽,而且是动态可交互的...
  • 基于Canvas的一款js图形可视化工具 http://echarts.baidu.com/index.html   国内开源良心之作,Github上15000+stars 从ECharts2更新到ECharts3,更加简单、功能更强   加载ECharts 下载完整版js或使用CDN,...
  • SSM框架使用Echarts绘制动态数据可视化图表

    万次阅读 多人点赞 2018-07-14 11:59:22
    SSM框架使用Echarts绘制动态数据可视化图表 1.前言 ECharts,一个使用 JavaScript 实现的开源可视化库,可以流畅的运行在 PC 和移动设备上,兼容当前绝大部分浏览器(IE8/9/10/11,Chrome,Firefox,Safari等),...
  • (小白帖,代码会有详细的注释,还有动图噢~)如何实现水球图绘制?个人觉得这个运用场景偏小众些,只是展示比较花里胡哨,应用应该不算多。 基础图形绘制、水球外形的设置以及精度的显示
  • 本文介绍了一个Windows .NET控件,用于以UML顺序图的形式动态可视化对象及其交互。该控件具有类似于调试器的中断功能。另外,它提供了一个实际使用的示例,其中实时拦截和可视化了应用程序的执行。 下载源1.2 MB ...
  • Excel动态可视化

    千次阅读 2019-08-28 17:46:12
    复杂的数据汇总、到数据透视表再到高级动态图表 offset函数 match函数 index函数 图形示例: 作图步骤: 用到了index()和match()函数的结合 第一步:创建“渠道”,“日期”,“交易额1(仅选择所有数据)”...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 1,238
精华内容 495
关键字:

动态可视化图形